美國時間，4 月 29 日晚的Meta的LlamaCon 2025 大會上，Meta首席執行官馬克·扎克伯格與微軟首席執行官薩蒂亞·納德拉首度同台，拋出同一句論斷：
工程師，不再是寫代碼的人，而是指揮一支 AI 小隊的人。
GitHub Copilot 升級為”原型代理“，能獨立生成 PR、調度工作流； Meta 內部實驗讓每位開發者帶 N 個模型“小徒弟”作戰。
他們的共識只有一句：
不淘汰工程師，但會把崗位徹底重編譯。
下面，本文用幾個關鍵問題 拆解這次對話，幫你搞清：
“AI 寫走 30 % 代碼後，工程師還剩哪 70 %？”
“模型小隊”到底怎麼帶？”
讀完這篇文章，你就能拿到工程師“下一版說明書”。
️ 第一節｜AI沒有奪走工作，但工作換了形式“
公司內部高達30%的新代碼已經由AI編寫。”
在 LlamaCon 2025 現場，微軟 CEO 納德拉甩出這句擲地有聲的話。
“不只是代碼補全，Copilot 已經能獨立完成原型任務，直接生成 PR，調度代碼工作流。這不是輔助，這是接管。” ——Satya Nadella
這句話讓現場沉默了一秒，然後全場鼓掌。
但真正值得警覺的，不是這30%的數字，而是它背後的結構性信號：
AI 不是來搶程序員飯碗的，它正在悄悄重寫“什麼叫工作”本身。
工程師的動作，被“剝離”了
扎克伯格接過話題，說了一個 Meta 內部的真實案例：
“我們有一支團隊，現在完全採用‘代理式協作流程’。開發者把任務拆解後，交由多個小型模型分別執行——生成代碼、調試、測試、提交。
最後只需要一個人進行結構調整和質量驗證。整整一個功能模塊，從設計到上線，AI 負責了 80% 的動作。”
他用一個詞來形容這種變化：“工程師動作的剝離”。
AI 正在把工程師每天做的那些重複性、規範化的部分一點點抽離。
過去的工程師是從 0 到 1 的“全能手”：
寫需求；
構建架構；
編寫邏輯；
調試上線。
現在的工程師，是“任務發包者”+“結構維護員”。
代碼不再是憑手速和經驗，而是憑“意圖拆解”和“資源調度”。
扎克伯格表示：“AI 會完成你告訴它該做的事。關鍵不是它寫得好不好，而是你‘告訴得明不明白’。”
AI 不只執行，還改變了執行的方式
納德拉提出一個微妙卻關鍵的判斷：
“如果你還把 AI 當作效率工具，那你還停留在第一階段。 真正的轉折點是——AI 不只加速了原來的流程，它直接創造了一條新流程。”
他舉了微軟內部銷售流程的例子：
過去：準備客戶會議 = 手動查資料、寫 briefing、發郵件；
現在：Copilot 實時整合 CRM 數據、企業動態、團隊郵件，自動生成客戶建議書。
工作成果從‘Word 文檔’變成‘實時交互式頁面’。不僅內容不一樣，整個工作過程都消失了。
不再是“用 AI 做事”，而是“AI 做事，人判斷”
這場對話中，最耐人尋味的，是兩位 CEO 對未來角色的共識：
工程師不需要“更努力寫代碼”，而是更會調度 AI；
開發者要從“動手做”，轉向“設計結構”；
人類的工作不會消失，但會被遷移到 AI 系統的“上層邏輯”。
大會上，扎克伯格甚至公開表示：
“我們賭明年 Meta 內部的一半開發工作，會由 AI 主導完成。”
這不是炒作，而是現實。正如納德拉所說：
“我們正在進入一個時代，每一段代碼、每一個功能模塊，都可以問一句話：人類真的要親手做這件事嗎？”
你以為 AI 只是坐在你旁邊，安靜地補全幾行函數， 但它其實已經在你看不見的角落裡，生成了代碼、提交了 PR、完成了交付。
30%代碼已被AI接管，工程師還能做什麼？
️ 第二節｜工程師不是打工人，是AI調度者“未來的工程師，會像技術總監，帶着一支由多個模型組成的 AI 小隊，完成從建模到落地。” ——Mark Zuckerberg，LlamaCon 2025
這是扎克伯格在大會上最有遠見的判斷之一。這次大會上，沒有重複“AI 提效”“AI協作”這些老掉牙的詞，他們在嘗試提出了一個全新的角色設定：
技術指揮官（Technical Commander）
過去工程師最大的能力，是“一個人能做完一整套事情”； 而未來最有價值的能力，是“一個人能協調多個模型各司其職”。
從“動手能力”到“調度能力”
在這場對談中，兩位 CEO 不約而同地指出：
工程師的競爭力，正在從“手速+經驗”，轉向“思路+調度”。
在 Meta，扎克伯格介紹了一個典型的開發場景：
高級工程師並不直接寫大段邏輯；
而是使用一個多模型編排平台，把不同任務交給不同的 Llama 子模型處理；
然後再交由 Copilot 代理進行測試和部署。
扎克伯格補充：這更像一個團隊作戰，但這個‘團隊’里沒有人，全是 AI。”
納德拉也表達了類似的觀點。他提到，微軟正在構建一個面向開發者的“代理開發棧”，包括：
意圖輸入界面；
多模型決策層；
工具接入 API；
再往下，才是具體模型執行層。
在微軟，開發不再是‘我會什麼語言’，而是‘我能調度哪些智能資源’。
AI 工具，不再是插件，而是“作戰單元”
要真正成為“AI 軍團的指揮官”，工程師不僅需要會寫 prompt，更需要掌握三種新能力：
意圖建模：把人類需求準確轉化為模型可執行的結構任務；
模型編排：知道哪個模型適合干哪件事，如何拆分、組合、接力；
任務監督：在 AI 執行中做質量監控、結果評估、風控容錯。
在這個過程中，工程師像極了一位導演：
每個模型都是演員；
Copilot 是副導演；
工具 API 是拍攝設備；
而產品上線，就是那部電影的“首映”。
不再是“我能寫什麼”，而是“我能調誰幹活”
這場結構轉變，最難的不是技術升級，而是身份認知的變化。
扎克伯格明確說：
“工程師不是在‘寫代碼’，而是在‘寫結構’。”
他強調：工程師必須像產品經理一樣，具備結構感、協作思維和資源調度能力，否則就會被模型反向驅動。
而納德拉補了一句關鍵點，
Copilot 不只是助手，它是‘你的工作分身’。你需要會用它幹活，而不是跟它搶活。
未來的工程師，不再靠自己打工，而是靠調度 AI 軍團創造結果。 會 prompt 只是入門，會 orchestrate（編排）才是真正的分水嶺。
️ 第三節｜最強模型？不如最會協作的組合對話中，一個不太被外界注意的高頻詞是：Orchestration（編排）。
扎克伯格說：“第一代AI產品，是一個模型對應一個任務；但現在，我們進入了多模型協作的階段。”
納德拉補充：“你不再需要一個超級模型什麼都做，而是多個專業模型互相交談，各自完成子任務。”
這不是術語上的精細化，而是下一代AI平台的根本分歧：
第一代：以模型為中心，“一個大腦搞定一切”
第二代：以編排為中心，“多個模型各司其職”
多模型系統，才是真正的“代理操作系統”
過去我們理解的AI應用，往往是ChatGPT/DeepSeek那樣的“一問一答”，本質上是封裝了一個通用模型的接口。
而在這場對話中，扎克伯格與納德拉給出了另一個未來藍圖：
每個 AI 應用都將是一個‘編排系統’：前台看起來是一個對話界面，後台是多個模型在默默協作。
納德拉舉了微軟最新在做的一件事：將 Copilot 從一個“代碼生成器”升級為“任務編排器”：
模型A負責理解意圖；
模型B負責數據檢索與結構化；
模型C負責編碼實現；
然後調用安全模型驗證結果，最後通過API調用部署。
扎克伯格也提到 Meta 內部的“蒸餾工廠”實驗——
他們已經不再試圖把所有智能壓縮進一個龐大模型，而是通過多個模塊化模型協作，以實現更高效的部署和控制。
簡單說，我們不是在構建一個 AI，而是在構建一個 AI 聯盟。
MCP、A2、LoRA……是下一代開發者的新“語法”
為了支撐這種多模型結構，背後需要的是新一代的協議層與調用結構。
在這場對話中，納德拉重點提到了兩項：
MCP（Multi-agent Coordination Protocol）： 用於調度多個模型之間的對話、數據傳遞與任務分發；
A2協議（Agent to Agent）： 定義模型如何互相調用、響應、確認結果，避免“任務斷層”或“認知衝突”。
這類協議，就像早期的 HTTP 之於網頁瀏覽，正在成為AI 世界的基礎設施語言。
只是我們所有人才剛剛進入這個階段，就像1996年的網絡協議一樣，沒人看得懂，但它正在搭平台。
這意味着未來的開發者，不再需要自己訓練一個萬能模型，而是需要懂得如何編排多個開源、閉源、專用模型協作，完成更複雜、更真實的任務。
模型之間，正在建立“角色分工”和“對話能力”
扎克伯格透露，在 Meta 的 Llama 系列模型內部，正在嘗試一個實驗性架構：
讓多個模型扮演不同的“角色”——有的負責推理，有的負責判斷，有的負責生成；
然後在一個統一調度環境中，通過“角色分工”完成複雜決策。
“AI 不只是會說話，更要能開會。” ——Mark Zuckerberg
他補充說，這種結構與人類組織高度相似：有人提議，有人執行，有人校驗，有人負責善後,
而當前多模型 AI 正在接近這種“系統性思維”的早期雛形。
模型調度，將成為新平台戰爭的關鍵變量
在這場技術路線對比中，兩位 CEO 的判斷驚人一致：
未來不屬於擁有最大模型的公司，而屬於能最優調用多個模型的公司。
這背後的轉變邏輯是：
模型參數規模，正在趨於邊際收益遞減；
編排能力，才決定真正的落地效率、成本控制與安全治理；
而“會調度”本身，就是新的競爭力。
換句話說，AI世界將不再有一個“最強模型”，而將出現“最強組合”。
️ 第四節｜開源不是免費，而是可控扎克伯格在LlamaCon上說了一句意味深長的話：
“Llama最大的意義，不是開源本身，而是它能被蒸餾，被適配，被每個開發者‘馴化’成自己的AI。”
這是他在對話中反覆強調的一點：真正讓開源模型變得強大的，不是自由下載的權利，而是它的可定製性、可嵌入性，以及可調教性。
“蒸餾工廠”不是比喻，而是AI工程體系的範式革命
扎克伯格首次系統性地解釋了Meta內部的“蒸餾工廠”概念：
起點是一個多模態大型模型（如Behemoth、Maverick）；
經過預訓練與後訓練，提取出穩定結構；
再通過多輪蒸餾，生成不同規模、不同用途、不同架構的模型；
最終形態，是適配各種環境（移動端、邊緣設備、本地企業服務）的輕量模型。
換句話說，他們不是拿着一個幾千億參數的模型去解決所有問題，而是把它拆成一系列能落地的小模型。
這不是“弱化模型”，而是“結構重構”。
Meta 的目標，不是讓 Llama 變成一個新神，而是讓它變成千千萬萬用戶手中“自己的助手”。
微軟的定位：為蒸餾生態提供“工廠級基礎設施”
納德拉對此表示高度認同。他指出，Azure 正在做的一件重要工作，就是把“蒸餾”變成一種平台能力：
“你可以在 Azure 上選擇一個基礎模型，然後一鍵生成自己的版本：
加上你的數據、你的任務、你的指令集，生成一個屬於你的 LLM Agent。”
他甚至提出了一個場景：
“未來 Microsoft 365 的每個企業用戶，都能在後台部署自己的蒸餾模型，讓它服務特定場景，甚至變成內部 Copilot 系統的子模塊。”
在他看來，開源模型的優勢不是“共享”，而是“分布”。
真正有生命力的，是那些可以被用戶用低成本、高定製方式進行再訓練、再部署的模型。
這就是“馴化”的真正含義。
閉源的性能封頂，開源的結構紅利剛開始
過去幾年，閉源模型的強勢，一度讓人以為“AI壁壘=參數規模”。
但正如這場對談所揭示的，結構紅利和生態適配力，才是AI落地的決定因素。
扎克伯格指出：
“我們已經不把模型的‘大’當作評估標準，而是看它能否快速蒸餾、部署、調用。”
Meta 內部的“小 Llama”項目，正是圍繞這一戰略展開：
在保持一定能力的前提下，壓縮模型尺寸；
降低推理成本，讓其運行於消費級設備或小型企業服務器；
讓未來的開發者，不必再依賴“雲端調用”，而能本地構建自己的 AI 助手。
真正的“開源優勢”：不靠發布，而靠組合
納德拉一語中的：“開源模型的真正價值，不在於你能不能下下來，而在於你能不能調起來。”
他強調，Azure 的價值主張不是對抗封閉模型，而是為開源生態提供調度基礎設施和工具鏈支持：
用最強的 GPU 集群，支持模型訓練；
提供模塊化模型註冊、推理路由、Agent API 等中間件服務；
支持用戶自建蒸餾工廠，也支持低代碼/無代碼平台進行調用。
他總結說：
“我們過去構建的是操作系統、瀏覽器、辦公套件；現在我們要構建的是：模型工廠、代理調度層、任務執行鏈。”
️ 第五節｜組織架構，也在被AI重寫我們不再圍繞人來構建流程，而是圍繞模型能力來重新組織任務。
而納德拉回憶：
“最早比爾·蓋茨設想微軟是一家‘工具公司’，但現在，我們開始把AI代理視為工具中的使用者。”
這兩句話勾勒出的，是一個遠比“AI賦能企業”更激進的判斷：
組織的角色，正從“管理人”向“調度智能”轉變。
公司為什麼存在？是為了解決“不智能的世界”
傳統的公司架構，是為了解決三個核心問題：
信息不流通 —— 所以需要“中層管理”；
決策不一致 —— 所以需要“流程與彙報制度”；
執行不自動 —— 所以需要“人工協同與監督”。
這三件事，每一項，都是 AI 極擅長的：
AI 能自動聚合信息、提煉重點、生成報告；
AI 能輔助決策，甚至直接優化策略；
AI 能執行工作流、調用系統、自動遞交結果。
納德拉直言：“過去你需要一個團隊配合才能完成的銷售準備、客戶報告，現在一個 Copilot 代理幾分鐘就能完成。”
他舉例說明自己的實際體驗：
“我準備客戶會，不再需要秘書寫 briefing。我只需要打開 Copilot，它自動聚合 CRM、郵件、內部知識庫，生成一份我能直接講的內容。”
組織層級不是被裁撤，而是被“系統取代”
這意味着什麼？ 並不是公司不再需要人，而是很多傳統的“組織中層”正在喪失其存在基礎。
扎克伯格把這種變化稱為：
“組織結構的原子化”。
他認為：一些原本依賴彙報、審批的流程，正在被 Agent 接管；
那些“靠流轉信息吃飯”的職位，正面臨結構性消失；組織正在從“層級+線性”向“模塊+實時”轉型。
在 Meta 內部，他透露一個真實案例：
“我們測試用多個 AI Agent 替代產品中層的協調會議，讓它們互發任務、調度進度、生成周報，效率比人還高，質量也更穩定。”
管理者的角色，正在從“批准者”變成“設計者”
面對這樣的變化，納德拉特別提醒：
“不是每個企業都能立刻重構流程。
但最起碼，你要開始重新定義‘什麼才叫管理’。”
在微軟內部，他看到一些團隊已經發生轉變：
團隊 leader 不再是彙報和分發任務的中樞；
而是設計任務模板、設定判斷機制、優化代理交互；
管理者從“組織人”變成“組織代理”。
這不是輕飄飄的概念創新，而是組織效率的躍遷。
他用一句話總結這個變化：
“人變成了模型的用戶，模型也變成了組織的參與者。”
組織的三項職能，正在被系統接管
組織正在失去對人的依賴，卻也在重獲一種新的靈活性：
更少的內部阻力；
更快的反饋循環；
更強的定製能力；
更深的模型融合。
而組織中的“人”，如果無法設計、調度、駕馭這些系統，就會被架空，最終出局。
️ 第六節｜AI不是工具，而是你的“操作系統”在對話的最後，扎克伯格說了表示：
“我們過去總以為 AI 是一把工具，是你可以選擇要不要用的。 但我越來越感覺，它更像是一套基礎設施，是你組織的一部分，就像電力和雲計算。”
納德拉則回應：
“沒錯，它不是一個‘插件’，而是一個全新的生產因子。 它不僅改變了你做事的方式，還改變了‘誰有資格做事’。”
這不是兩位科技巨頭的感性表述，而是他們對 AI 結構性力量的判斷：AI 正在從“效率工具”變成“組織能力”的組成部分。
AI 是“第二層基礎設施”，寫進公司最底層
打了一個比喻來說：
就像你不會每次寫網頁都先造個瀏覽器，
未來你也不會每次寫程序都先造個模型。
模型應該作為默認環境存在。
他們甚至提出一種新範式：
應用 = Prompt + Orchestration + 模型編排結構；
文檔 = 會話歷史 + 數據引用 + 交互邏輯；
產品經理/工程師的任務，是定義意圖結構，而非手動製造功能代碼。
也就是說：AI 不只是支撐應用，它本身已經是應用邏輯的一部分。
分水嶺：不是你會不會用AI，而是你能不能“組織 AI”
在過去一年，很多公司都在講“用 AI 提效”“Copilot 增能”， 但在扎克伯格與納德拉看來，這還遠遠不夠。
他們一致認為：
真正的分水嶺，是你有沒有能力把 AI 組織起來，而不僅僅是調用一下
也正因如此，“技術指揮官”“模型編排器”“蒸餾工程師”“代理系統架構師”這些新角色，正在成為一線科技公司的重點培養對象。
不是你寫得快，而是你調得准。
不是你prompt高級，而是你能構建結構、管理關係、調度模型。
AI不提升GDP，是因為組織沒準備好
納德拉提出了一個冷靜但深刻的判斷：
“AI真正影響生產力，需要3~7年，這取決於組織是否真的願意改變自己。”
他引用了一個歷史類比：
“電力普及後，並沒有立刻帶來GDP激增，直到幾十年後企業開始重構工廠結構，才真正釋放電力的價值。”
今天的AI也是如此。 你用AI寫幾封郵件、畫幾張圖，不等於你公司完成了AI轉型。
真正的轉型是：
把AI接入到核心工作鏈條中；
把AI寫進組織流程、判斷邏輯和服務交付；
把人的角色，從執行者轉為系統設計者。
這是一種“生產關係”的升級。
新時代的開場白：不是AI有多強，而是你準備好沒？
在這場對談結束時，主持人問他們兩人：“你們對未來最樂觀的部分是什麼？”
納德拉引用了鮑勃·迪倫的那句歌詞：
“你要麼忙着出生，要麼忙着死亡。”
“更好的選擇是：忙着重建公司系統。”
他最後總結道：“我們真正缺的不是AI技術，而是敢於重建流程、結構、定位的組織與個人。”
你以為 AI 的競爭是“模型參數”，
其實真正的比拼，是“誰能馴化它，把它納入結構，變成新型生產資料”。
這是一場關於重新定義“能動性”的較量：
工程師要轉型為“模型調度師”；
管理者要轉型為“流程架構師”；
公司要轉型為“AI原生組織”。
只有這樣，30%的代碼才不會只是“由AI接管”的開始，
而是一次真正的進化：你不再是執行者，而是系統的設計者與主導者。